Pandas查看前几行：head()与tail()使用方法

head()和tail()是Pandas中最轻量、高效的数据快览利器，无需加载全量数据即可秒级预览前/后若干行，是数据读入、清洗和调试时不可替代的“第一眼检查工具”；但默认5行常显不足，需灵活调参（如head(10)查字段对齐、tail(3)揪异常尾行、head(0)极速获取schema），同时警惕空DataFrame误判、索引乱序误导、链式调用报错等实战陷阱——真正用好它们，能帮你避开80%因类型推断错误或结构误读引发的后续坑。

直接用 head() 和 tail() 看数据，别绕弯

这两个方法就是 Pandas 里最轻量、最常用的数据快览入口。它们不加载全表、不触发计算、不改原数据，纯读取前/后几行，适合刚读入 pd.read_csv() 或清洗中途快速确认结构。

默认显示 5 行，但多数时候你得主动调参数——因为 5 行经常不够看列名对齐、空值分布或类型异常：

• df.head(10)：想扫一眼字段是否错位、长文本截断情况，10 行比默认更稳
• df.tail(3)：检查最后几条是不是意外混入的汇总行、分隔符、空行
• df.head(0)：冷知识，能只返回列名和 dtypes，相当于“最小化 schema 预览”

为什么 head() 有时返回空或报错？常见陷阱在这儿

不是函数有问题，是数据状态或调用姿势不对：

• 空 DataFrame：df.head() 返回空 DataFrame，但列名和 dtype 还在——容易误判为“没读进来”，其实只是源文件真为空
• 索引乱序或含重复值：某些操作（如多次 concat 后未重置索引）会导致 head() 返回“看起来不连贯”的行，实际是索引跳变，不是数据丢失
• 链式调用中断：写成 pd.read_csv("x.csv").head().info() 会报错，因为 head() 返回的是 DataFrame，而 info() 不支持链式调用；应拆成两行或用 pipe()

head() 和 tail() 的性能几乎为零，但要注意这个边界

它们底层是切片操作（df.iloc[:n] / df.iloc[-n:]），不扫描全量数据，所以哪怕 DataFrame 有千万行，head(10) 也秒出。但有两个例外：

• 如果 DataFrame 是 lazy 加载的（比如用 dask.dataframe 或某些数据库连接器封装的 df），head() 可能触发一次小查询，但依然远快于全量拉取
• 如果用了 query()、sort_values() 等惰性操作还没 compute()，那 head() 会强制执行上游——这时慢的不是 head()，而是前面那个没显式触发的计算

别只盯着行数，顺手加个 print(df.dtypes) 或 df.info()

head() 只给你数据样例，看不出字段类型是否被误推（比如电话号变成 int64、时间字段是 object 而非 datetime64）。真实排查时，这三步常一起用：

• df.head(3)：看值长什么样
• print(df.dtypes)：看 Pandas 怎么猜的类型
• df.describe(include='all')：补看每列的非空数、唯一值、top 值（尤其对 object 列）

类型错位往往在 head() 里看不出异样，等 merge 或 groupby 时报 TypeError: unhashable type 才发现——那时已经多走了三步路

本篇关于《Pandas查看前几行：head()与tail()使用方法》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！